高速发展的电影行业给人们带来娱乐休闲的同时创造了巨大的经济效益,然而观众日益多样化的需求与选择又带来了诸多不确定性。票房是衡量电影价值的重要指标,获取其影响因素并提前得出票房的预测值,有助于整合社会资源,在增加影片收益的同时,更好地满足观众的需求。本文基于大数据建立模型,在电影上映前1至2个月,根据相关变量的取值预测出该电影的首映票房。具体操作与结果如下:首先,运用Python语言,在微博、猫眼电影、格瓦拉等网络上获取2014年1月1日至2016年12月31日上映的1127部电影的演员、导演、票房收入等信息。其次,确定日期(date)、演员阵容(actor)、导演阵容(director)、搜索热度(hot)、发行地区(region)、电影类型、国内生产总值(GDP)等作为解释变量;根据时间序列分解日期、量化导演与演员阵容、运用虚拟变量衡量电影地区与类型,后进行多元线性回归,得出模型的拟合优度为0.76,表明拟合效果较好。在提出精准预测模型的基础上,基于决策树算法进行电影首映票房等级的预测,平均准确率达到86.53%,取得了较好的预测效果。最后,以电影《决战食神》为例,对模型进行实证案例分析。通过以上分析,得出以下结论:1.演员阵容、导演阵容、搜索热度等都是影响电影票房的重要因素,能够抓住其中的主要要素进行优化有利于优秀电影产生,并使票房增加;2.运用多元线性回归能够预测出电影的首映票房,从而能够为优化电影制作的演员及导演、类型、上映日期的选择提供依据;3.决策树可以在提前1-2个月的时长内预测电影首映票房等级,对影院的排片等活动具有重要参考价值。